做暧暧视频网站,网络网站排名优化,三站合一网站,strikingly建站工具摘要#xff1a; Serverless概念是近年来特别火的一个技术概念#xff0c;基于这种架构能构建出很多应用场景#xff0c;适合各行各业#xff0c;只要对轻计算、高弹性、无状态等场景有诉求的用户都可以通过本文来普及一些基础概念#xff0c;看看这些场景是否对用户有一些…摘要 Serverless概念是近年来特别火的一个技术概念基于这种架构能构建出很多应用场景适合各行各业只要对轻计算、高弹性、无状态等场景有诉求的用户都可以通过本文来普及一些基础概念看看这些场景是否对用户有一些指导意义。
点此查看原文http://click.aliyun.com/m/40927/
利用弹性扩容视频直播多人连麦场景场景描述
直播间的客户端把主播和连麦观众的音视频采集发送给函数计算做混流服务函数计算把数据汇集后交给混流服务进行合成并把合成画面视频流推送给CDN终端观众实时拉取直播流能实时看到混流合成画面。
视频直播应用场景中有一种场景视频直播的多人连麦主播可以同时和多个工作进行连麦把多个观众或者好友画面接入并把画面合成到一个场景中供给更多观看直播的观众观看。这个场景中有几个技术难度需要关注
连麦的观众不固定需要考虑适度的并发和弹性。 直播不可能24小时在线有较为明显的业务访问高峰期和低谷期。 直播是事件或者公众点爆的场景更新速度较快版本迭代较快需要快速完成对新热点的技术升级。 综合以上几个特点可以通过Serverless这种架构的来完美解决以上痛点。
函数计算作为连麦观众和主播接入的实时音频和视频转发集群当并发量过来时候函数计算自动扩容多个执行环境来处理实时数据流当业务高峰期过去后会适度缩减资源使用代码管理部署在云端代码迭代可以随时进行修改和维护无需再多管理一套软件运行环境。
视频直播场景常规做法
购买负载均衡应付并发。 购买计算资源做数据处理。 业务低谷期需要想办法释放硬件资源来节省成本。 多版本要维护多套运行环境。 函数计算解法
1、把负载分发程序写到函数里。
2、多版本迭代无需更换运行环境仅仅替换代码版本即可。
3、业务访问按需付费业务低谷期无费用。
物联网数据处理场景 整个架构图分成2部分内容
一部分是Web应用模拟一个社交内容更新和数据处理的流程Web用户通过API网关把请求转发到函数计算进行处理函数计算把处理后的内容更新到数据库中并更新索引另外一个函数计算把索引更新推送的搜索引擎供给外部客户进行检索完成整个数据闭环处理。
另一部分是智能设备通过IoT网关把设备状态推送到函数计算处理函数计算通过API接口把消息通过移动推送服务推送给移动端进行状态确认和管理。在智能设备状态处理的场景中同样也会碰到几个核心技术问题要解决当海量设备把状态发送到IoT平台后如何设计一套高效非轮询的技术框架来处理设备状态数据如何把处理后的数据高效透传其他产品例如写数据库或者推送给移动端。
IoT设备状态场景常规做法
设置消息通道接收事件并编写业务代码。 购买服务器资源做后端数据处理。 开通多个产品并调用SDK代码来完成业务交互。 维护相关硬件软件环境。
函数计算解法
定制IoT平台的事件通知直接把业务代码写到函数计算中。 不需要维护运行环境用完即可释放。 控制台配置就可以把信息透传给相关产品。 通过两种方式的对比能看出函数计算的解法更具备通用性和大量减少维护工作。
共享派单系统详解
客户通过派单平台选着某种商家提供的服务可能是餐饮、商品、或者服务。派单平台通知最近的骑手到最近的商家拿到服务并派送到客户手里。一个简单的流程图如下流程详解
步骤1、客户通知派单平台下单某商品
步骤2、派单平台通知最新骑手
步骤3、派单平台同时通知商家商品售卖出去
步骤4、骑手到指定的商家获取商品
步骤5、骑手配送到客户所在地
这个派单场景中要解决几个棘手的技术
整合多种资源计算资源会涉及到骑手位置信息、最优路径规划、车况情况、调度系统等
低延迟派单系统对订单的响应要求很高从接单到商家在到客户整个闭环都需要在段时间内完成。
海量数据涉及到三方面的数据客户数据、商家数据、平台骑手数据、位置信息、商品信息等。
请求明显波峰波谷派单系统在一天中的资源使用非常不均衡波峰期例如外卖在中午和晚饭达到高峰平时空闲。
通过技术选型转化成阿里云产品的解决方案后函数计算结合其他产品比较完美的解决上述问题解决方案图如下图所示流程详解
客户APP把订单请求通过API网关透传给函数计算函数计算把处理后的数据传输给表格存储表格存储存放了骑行数据、商家信息、位置信息等其中骑行日志会存放到日志服务里便于后续做报表分析。骑行过程中骑手头像、随手拍街景会存放到OSS中骑手位置可以通过函数计算去拉取第三方地图信息例如高德地图等。这个方案中函数计算可以完成动态扩容问题API网关可以解决鉴权和安全访问问题函数计算打通了多款产品可以无缝使用其他资源和内容。所有处理后的数据可以存放到表格存储数据库中所有日志都可以直接加载到日志服务为后续数据报表服务。
共享派单系统常规做法
购买多台服务器来支持高峰期的访问访问波谷期自行设置释放原则。 通过编程方式完成多个产品的交互。 为了保证负载均衡需要购买相关的产品来支撑。 人工维护相关硬件软件环境。
函数计算解法
定制IoT平台的事件通知直接把业务代码写到函数计算中。 不需要维护运行环境用完即可释放。 控制台配置就可以把信息透传给相关产品。 两种解法都能达到目标从资源利用率和可维护性来看使用Serverless架构的方式会更优。
4. 总结 通过上面几个个场景的详解我们大致可以得出这样的结论通过事件触发场景、有业务访问高峰和低谷的场景、迭代次数较多、需要快速打通多款产品场景通过函数计算能完美的解决成本、效率、联通等问题。
表3-1函数计算和传统自建服务器的优劣对比函数计算虽然适用于很多场景但也不是覆盖全部应用场景的万金油。例如某些业务在一天中没有明显的请求波峰波谷请求相对平缓那么使用函数计算成本不见得会节省多少。Serverless这种框架是新兴的技术目前相应的支持开发工具较少整体这个框架还在探索中。另外函数计算的执行环境是不记录状态的有些耦合性较强的应用也不太适合用Serverless这种框架。受限于资源大小分配一些大型的应用程序也不太容易能拆分能搬上来。
